سیستم موقعیت یاب سرو الکتروهیدرولیک

چکیده
SIMULINK در این پژوهش یک سیستم موقعیت یاب سرو الکتروهیدرولیک به صورت غیر خطی در محیط
مدلسازی شده است . سپس با استفاده از مفاهیم عیب یابی بر اساس مدل، باقیمانده های ٣ متغیر سیستم که
براحتی قابل اندازه گیری می باشند، بدست آمده است . سپس روشهای تحلیل آماری به منظور تولید پارامترهای
مفید جهت استفاده در فضای باقیمانده های جهتی به کار برده شده است . در انتها نیز عیب یابی با کمک بردارهای
باقیمانده های جهتی صورت گرفته است . نتایج بدست آمده دارای دقت خوبی بوده و قابلیتهای بالای روشهای
عیب یابی بر اساس باقیمانده های جهتی را نشان می دهد.

در فرآیندهای صنعتی پر هزینه که دارای نقاط امنیت بحرانی می باشند، با افزایش راندمان فرآیندها و کیفیت محصول زمینه
نظارت، پایش وضعیت، شناسایی و تشخیص عیب نقش مهم و اساسی ایفاء می کند. در دهه های اخیر ب ا تحقیقات تئوری و
تجربی ، روش های جدیدی برای شناسایی و تشخیص عیب ارائه شده است. روش های پیشرفته شناسایی عیب بر اساس مدل
های فرآیند برای تولید نشانه های عیب پایه گذاری شده اند. با توجه به پیشرفت و توسعه روزافزون سیستم ه ا و فرآیندهای
هندسی و همچنین پیچیده تر و زیاد شدن تعداد اجزاء آنها، شناسایی و جداسازی عیوب و اقدام در جهت از بین بردن آن ها به
دلیل مسأله امنیت سیستم ها و زیاد بودن هزینه تعمیرات امری مهم و بسیار لازم است . در سیستم های صنعتی اتوماتیک

تجهیزاتی مانند سنسورها ، عملگرها و یا اجزاء دستگاه ها آسیب پذیر بوده و در معرض خرابی قرار می گیرند . مهار و کنترل
حوادث و رخدادهای اتفاقی غیرطبیعی در سیستم ها امری است که در چند دهه اخیر توجه بسیار زیادی به آن شده است.
در (Kalman) روش های حالت فض ا را در تکنی ک های عیب یابی بکار برد . کالمن (Luenberger) درسال ١٩٦٠ لونبرگر
تشخیص عیب (Klark) سال ١٩٦٠ ، کاربرد مشاهده گرها را در سیستم های خطی برای شناسایی عیب ارائه کرد [ ١]. کلارک
، (Bakiotis) سنسورها مبتنی بر مدل را در فرآیندهای شیمیایی ارائه کرد. عیب یابی براساس تخمین پارامترها توسط باکیوتیس
در سال ١٩٨٤ روشهایی بر پایه تخمین مدل، ، (Isremann) توسعه داده شد. آیزرمن ، (Metzger) و متزجر (Filbert) فیلبرت
تخمین پارامتر و متغیرهای حالت سیستم ارائه کرد. با پیشرفت روش های مختلف هوش مصنوعی در دهه ١٩٩٠ ، روش های
لیندن ، (Patton) محاسباتی مانند شبکه های عصبی، منطق فازی و الگوریتم های ژنتیک مورد استفاده قرار گرفت . پت ن
در این زمینه فعالیت های زیادی انجام داده اند. شناسایی عیب بر پایه مدل به طور خیلی (Lu) و لو (Frank) فرانک ،(Linden)
وسیعی توسط افراد مختلف مطالعه و بررسی شده و بسیاری از کاربردهای آن در پایش وضعیت سیستم های کنترل توسعه یافته
(Yu) و یاو ( Sheilds) است. روش هایی بر پایه مدل ، بر روی سیستم های الکترو هیدرولیک غیر خطی نیز اعمال شد . شیلدز
درسال ١٩٩٦ شناسایی عیب به صورت خطی و غیر خطی را در یک سیستم موقعیت یاب الکترو هیدرولیک آزمایش کردند .
روش های غیر خطی در مقایسه با روش های خطی، حساسیت بهتری نسبت به عیوب مخصوصًا در عیوب مرتبط ب ا سنسورها
وپمپ ها نشان میدهند.
کاربرد روش های غیر خطی برای پایش وضعیت سیستم های الکتروهیدرولیک به صورت فطری با طبیعت سیستم سازگار است.
زیرا رفتار چنین سیستم هایی شدیدًا تحت تاثیر عوامل غیرخطی قرار دارد . عیب یابی سیستم براساس مفاهیم جداسازی
باقیمانده ها در فضای هندسی باقیمانده ها انجام شده است. به همین دلیل در این پژوهش سعی شده ت ا ابتد ا تأثیر عوامل
غیرخطی در پیچیدگی مدل این سیستم ها بررسی شود. سپس با آگاهی کامل از تأثیر این عوامل ، شناسایی وتشخیص عیب
برای یک سیستم موقعیت یاب الکتروهیدرولیک در یک سیستم فرمان انجام شود. در انتها روش عیب یابی طراحی شده برای
بخش مکانیزم اهرم بندی فرمان وسیله نقلیه خاصی اجرا و عوامل عیب در این بخش نیز شناسایی شده اند. طبق آخرین دسته
در سال ٢٠٠٦ جداسازی باقیمانده ها در فضای هندسی در دو مقوله باقیمانده های ، (Isremann) بندی ارائه شده توسط آیزرمن
و همچنین استفاده ها از باقیمانده های جهتی در جداسازی مدهای خرابی در (Parity) جهتی با کاربرد در معادلات زوجیت
شناسایی عیب به وسیله مشاهده گرهای حالت (معصومی نیا ١٩٩٦ ) استفاده شده است. در روش ارائه شده در این پژوهش ،
باقیمانده های جهتی طوری تولید می شوند که در فضای مختصات باقیمانده ها، در هر مد خرابی، یک بردار باقیمانده در جهت
ثابتی وجود داشته باشد. در واقع با تغییر میزان عیب در سیستم، فقط طول بردار باقیمانده تغییر کند و جهت آن ثابت بماند .
یکی از مهم ترین مزایای روش، استفاده از باقیمانده های جهتی در یک سیستم کاملا غیرخطی می باشد. تولید باقیمانده ها نیز
.[ به وسیله پارامترهای آماری سیگنال و با استفاده از شبیه سازی باقیمانده ها انجام شده است[